帕金森病是以非运动症状（如快速眼动睡眠行为障碍）为特征的前运动阶段进展到致残的运动阶段，目前需要早期/前运动疾病阶段的生物标志物以干预后和减缓潜在的神经退行性过程。在该项研究中，作者利用了对样品进行多个蛋白组分为3个阶段对生物标志物进行鉴定。

哥廷根大学医学中心等机构在《Nature communications》期刊发布题为"Plasma proteomics identify biomarkers predicting Parkinson's disease up to 7 yearsbefore symptom onset"的文章，报道了通过多个蛋白组学鉴定出8种可提前7年预测帕金森病的生物标志物。

研究背景

帕金森病(PD)是一种复杂且日益流行的中枢神经系统(CNS)神经退行性疾病，临床表现为进行性运动和非运动症状，主要由α-突触核蛋白聚集在多巴胺能细胞引起，导致Lewy body(LB)形成，神经保护策略未能阻止疾病进展的部分原因是该疾病的多种临床异质性表型及缺乏客观的生物标志物，因而，急需找到与帕金森病病理生理学和临床表型直接相关的生物标志物对早期的PD进行预测与诊断。

循环血液中的炎症危险因子(即C-reactive-protein、白细胞介素-6和α-突触核蛋白特异性T细胞)与PD的运动恶化和认知能力下降有关。这些炎症性血液标志物甚至可以在孤立的快速眼动睡眠行为障碍(iRBD)、神经元突触核蛋白疾病(NSD)早期的个体血浆/血清样本中被鉴定出来，并且是PD和Lewy bodies痴呆(DLB)的最特异性预测因子。NSD最近被提出作为一个生物学定义的术语，用于临床综合征的谱，包括iRBD, PD和DLB，遵循进展性神经元α突触核蛋白病理(NSD- ISS)的综合临床分期系统。

技术手段

实验材料：99名运动帕金森患者(PD)、18名孤立性快速眼动睡眠行为障碍的运动前个体( iRBD)、36名健康对照(HC)、41名其他神经系统疾病（OND）的血液。

研究方法：Label-free MS、MRM、机器学习。

主要研究内容

作者随机对10名PD患者与10名健康人的血液样品进行蛋白质鉴定，定量到1238个蛋白，限制鉴定来自每个蛋白质至少一个肽和每个肽至少两个片段。在排除具有少于两个独特肽或识别分数低于设定阈值的蛋白质后(见下面的方法部分)，剩下895种不同的蛋白质。在这些蛋白中有47种是差异表达的蛋白，且这些差异蛋白聚集的通路多与炎症相关。

阶段1：利用靶向蛋白质组对差异蛋白进行验证作者对更大队列的患者样本进行蛋白鉴定（99个PD患者、36名健康人、41名OND的血液样本），并对其中的121种蛋白质的靶向蛋白质组学分析，发现其中32种在血浆中一致且可靠地检测到，在这32个标志物中，有23个被证实在PD和HC之间有显著差异表达，在iRBD患者和HC之间以及OND和HC之间的比较中发现了6种差异表达蛋白，对这些蛋白进行通路富集分析，发现它们多在炎症相关通路（包括补体系统和急性期反应）表现出最高的显著性水平，其次是调节蛋白质折叠、内质网应激和热休克蛋白的途径。蛋白质和通路的网络分析显示由炎症/凝血/脂质代谢（FXR/RXR 和 LXR/RXR）、热休克蛋白/蛋白质错误折叠及与 Wnt 信号传导和细胞外基质蛋白相关的异质性通路相关的蛋白簇组成的簇较显著。该研究中观察到的蛋白质表达可能发生的潜在有害和保护机制，导致神经元Lewy body包涵体中α-突触核蛋白的寡聚化和积累，最终导致多巴胺能神经元细胞损失。

阶段2：开发快速、精炼的质谱方法并评估独立和纵向 iRBD 队列为了评估针对高危受试者的初始预测模型的结果，作者开发并改进了我们的靶向和多重蛋白质组学测试，以仅定量那些从初始靶向蛋白质组学测定中易于可靠检测到的蛋白质 （n = 32），此外，作者还分析了来自54名iRBD患者的独立队列的另外146个纵向样本，并测定其中的蛋白质在血浆、血清和脑脊液之间的相关性，发现血浆和血清之间的相关性良好，但这些血液基质与脑脊液之间的相关性较差。血液和脑脊液蛋白之间的有限相关性与其他比较血浆/血清和脑脊液之间蛋白质表达的研究相对应，这强调作者的测试不一定反映脑脊液中蛋白质表达PD特异性蛋白质组学特征，而是显示健康状态和非常早期的PD患者之间血液蛋白表达的早期变化。另外作者将第二阶段所有可用的纵向 iRBD 样本 （n = 146） 应用于第一阶段构建的两个机器学习模型（OPLS-DA 和支持向量机）（PD 与 HC）。OPLS-DA 模型基于所有 32 种检测到的蛋白质，将 70% 的 iRBD 样品鉴定为 PD，而基于 8 种蛋白质的 SVM 模型将 79% 的样品鉴定为 PD。正如分析，作者的纵向 iRBD 验证队列中的 54 名受试者中有 16 名患有 PD/DLB。最早的正确分类是表型转化前 7.3 年，最晚的分类是诊断前 0.9 年（平均 3.5 年± 2.4 年）。

研究结论总而言之，该研究通过多个Label free MS与靶向质谱MRM结合机器学习，发现了八种蛋白质可区分早期PD和HC，且可提前7年识别出高风险帕金森病个体。这一研究将对筛选和识别帕金森病患者并对其进行早期干预具有重要意义。